SVM在python中的原理是什么

這篇文章主要介紹了SVM在python中的原理是什么，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

python有哪些常用庫

python常用的庫：1.requesuts；2.scrapy；3.pillow；4.twisted；5.numpy；6.matplotlib；7.pygama；8.ipyhton等。

在python中除了編程化的知識點外，對于數學方法的算法也有所涉及，SVM就是一種很好地體現。我們學習過數學中的坐標方法，分別是點、線、面連接成圖形，SVM也繼承了這方面的畫圖方法。下面我們學習SVM的有關概念，然后就其核心代碼進行分析，體會SVM的使用原理。

1.概念理解

“支持向量機”(SVM)是一種監督機器學習算法，可用于分類或回歸挑戰。然而，它主要用于分類問題。在這個算法中，我們將每一個數據項作為一個點在n維空間中(其中n是你擁有的特征數)作為一個點，每一個特征值都是一個特定坐標的值。然后，我們通過查找區分這兩個類的超平面來進行分類。

2.核心代碼

模型本身并不難，就是要畫出相應的圖

clf = SVC(kernel = "linear").fit(X,y)
print(clf.predict(X))

預測又對X自己預測了一變。按照核心代碼依舊延續sklearn的風格，十分簡單。

可視化可能優點麻煩,需要用到下面這個函數。這個函數只需輸入clf即可。

def plot_svc_decision_function(model,ax=None):
    if ax is None:
        ax = plt.gca()
    xlim = ax.get_xlim()
    ylim = ax.get_ylim()
    x = np.linspace(xlim[0],xlim[1],30)
    y = np.linspace(ylim[0],ylim[1],30)
    Y,X = np.meshgrid(y,x)
    xy = np.vstack([X.ravel(), Y.ravel()]).T
    #decision_function這個函數可以返回給定的x,y點到決策邊界（也就是點到SVM所得到劃分線的距離）
    P = model.decision_function(xy).reshape(X.shape)
    ax.contour(X, Y, P,colors="k",levels=[-1,0,1],alpha=0.5,linestyles=["--","-","--"])
    ax.set_xlim(xlim)
    ax.set_ylim(ylim)

函數大概思路就是首先生成一個網格，然后計算網格中各個點到決策邊界的距離，最后繪制等高線(算出的距離相等的一條線)。

感謝你能夠認真閱讀完這篇文章，希望小編分享的“SVM在python中的原理是什么”這篇文章對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，更多相關知識等著你來學習!